زمان و عدم قطعیت در فرآیند برنامه ریزی استراتژیک نقش مهمی را ایفا می کنند. در دنیای متغیر امروزی داشتن استراتژی متناسب با شرایط متغیر محیطی از اهمیت بالایی برخوردار بوده و رویکردهای کلاسیک تدوین استراتژی قابلیت پاسخگویی سریع و بموقع به نیاز سازمان ها، در چنین محیط پویا و متغیری را ندارند. درخت تصمیم فازی مدلی سیستماتیک ارائه می-کند که سازمان ها با استفاده از آن می توانند در برابر تغییرات آشفته محیطی واکنش سریع داشته باشند. این رویکرد به دلیل فازی بودن توانایی برخورد با عدم قطعیت را داشته و با در نظر گرفتن حالت های مختلف تغییر شرایط در پایگاه داده، واکنش به موقع در برخورد با تغییرات محیطی دارد. مزیت دیگر این رویکرد، توانایی کار آن با متغیرهای کلامی است که دانش حاصل از آن برای انسان از قابلیت درک بالایی برخوردار است. عدم نیاز به داده های دقیق، اولویت بندی استراتژی ها، تشکیل پایگاه داده با استفاده از ماتریس های رویکرد کلاسیک و نیز بهینه سازی صفات دخیل در امر تدوین استراتژی با محاسبه آنتروپی، مزایای دیگر این متُد هستند. در این پژوهش، ابتدا با استفاده از صفات اصلی ماتریس اسپِیس یعنی استحکام صنعتی، توان مالی، مزیت رقابتی و ثبات محیطی، که بعنوان متغیرهای ورودی و مستقل هستند، اقدام به ایجاد پایگاه داده بر اساس تحلیل ماتریس مذکور و نظرات خبرگان می کنیم و با تشکیل درخت، با استفاده از الگوریتم آی.دی.3، پایگاه قوانین حاصل می شود. در نهایت با فازی سازی ورودی ها (صفات) و خروجی ها (استراتژی ها)، سیستم استنتاج فازی استراتژی های تدافعی با اولویت 64/0d1= ، 58/0d3= ، 56/0d2= و 50/0d4= را برای واحد ارزی بانک کشاورزی ارائه می دهد.

طبیعت از سیستم های پیشرفته ای تشکیل شده است که قادر به انجام محاسبات پیچیده بوده و توانایی تطبیق پذیری و آموزش با استفاده از اجزای آنالوگ را دارا می باشد، گرچه سیستمهای دیجیتال به طور قابل توجهی نسبت به سیستمهای آنالوگ برحسب دقت عملکرد، بالا بودن سرعت و عملیات محاسباتی دارای مزیت می باشند، ولی این سیستمها از نظر توان نمی توانند عملکرد بهتری نسبت به سیستمهای آنالوگ داشته باشند در این پایان نامه مدارهای vlsi آنالوگ که برای اجرای توابع ریاضی و پیاده سازی شبکه های عصبی بکار می روند، نشان داده شده است. این مدارها برای اجرای محاسبات موازی و در نظر گرفتن عملکرد توان پایین بلوک های ساختاری آنالوگ طراحی شده اند. مدارهایی برای انجام عملیات جذر، مجذور و ضرب/تقسیم طراحی شده و یک مدار که براساس کاسکود کردن مدارهای قبلی پایه گذاری شده است، بعنوان یک بردار نرمالیزه و برای بیان سهولت طراحی مدارات پیچیده با استفاده از مدارهای ساده، معرفی و تحلیل شده است. در این تحقیق دو شبکه عصبی پیش خور نیز با استفاده از بلوک های ساختاری توان پایین طراحی شده است. شبکه اول از سیناپس ها و نرون های آنالوگ و یک باس وزنی سری دیجیتال تشکیل شده است این شبکه به صورت حلقه ای با استفاده از یک کامپیوتر برای کنترل و نوسازی وزن ها آموزش خواهد یافت. در شبکه بعدی، وزن ها بصورت دیجیتال پیاده سازی می شوند و برای تنظیم آنها از شمارنده استفاده شده است یک الگوریتم نوسازی وزن برمبنای بکارگیری اغتشاشات موازی بکار گرفته شده است. شبکه از تولید کننده های بیت شبه تصادفی چندگانه برای اغتشاش همه وزن ها بصورت موازی استفاده خواهد کرد برخی از ساختارهای قبل از نظر سرعت عملکرد و همچنین فضای مورد نیاز برای پیاده سازی بر روی تراشه دارای مشخصات مطلوبی نبودند در این پایان نامه سعی شده است تا تغییراتی در بلوک های اساسی تشکیل دهنده شبکه عصبی انجام گیرد تا سرعت آموزش پذیری این شبکه ها افزایش یافته و همچنین با بکارگیری المانهایی که دارای حجم کمتری می باشند، فضای مورد نیاز برای پیاده سازی کاهش یابد. همچنین برای تولید نویزهای ناهمبسته، از دو lesr و یک شبکه xor که وظیفه ترکیب خروجی های مربوط به پایه های متفاوت شیفت رجیستر را برعهده دارند، استفاده گردیده است. نتایج شبیه سازی بعضی از توابع دیجیتال مانند and و xor بیانگر آموزش موفقیت آمیز این شبکه ها می باشد.